ハンドデータ

Scientific Data volume 10、記事番号: 405 (2023) この記事を引用

533 アクセス

メトリクスの詳細

HANDdata は、非仮想オブジェクトのアクションを把握するために到達する際のハンドの運動学と近接視覚データを提供するように設計されたデータセットであり、特にロボット ハンドの自律的な把握に合わせて調整されており、到達フェーズに特に注意を払っています。 したがって、レーダーと飛行時間型近接センサーからターゲット オブジェクトの特性を捕捉するとともに、手首と指の運動学、および手とオブジェクトの相互作用の主なイベントを調べることで、リーチから掴むまでの動作の詳細をキャプチャしようとしました。 私たちは、複雑さのレベルを段階的に上げながら、一連の静的タスクと把握タスクとしてデータ収集を構造化しました。 HANDdata は、5 つの異なる形状と 2 種類の素材の 10 個の標準化されたオブジェクトを含む、29 人の健康な成人からの約 6,000 個の人間とオブジェクトのインタラクションを含む、一人称のリーチツー把握データセットです。 私たちは、このようなデータ収集は、医療や産業用途向けの自律型把握ロボットに興味のある研究者だけでなく、レーダーベースのコンピュータービジョンや感覚運動制御と操作の基本的な側面に興味のある研究者にとっても価値があると信じています。

人間の手は、膨大な範囲の機能を備えた信じられないほど複雑なシステムであり、私たちの生活や周囲の物体や人々との日常的な相互作用に不可欠です。 研究者たちは、このような複雑さを理解し、再現するために長い間努力してきました。 この課題は、解剖学、生物学、神経科学だけでなく、ロボット工学、オートメーション、義肢などの芸術や工学など、人間の知識のさまざまな分野や分野に触れています。 このような注目は、このトピックに関する文献で入手可能な膨大な数の記事によって証明されています (Scopus での「人間の手」検索では 50 万件以上の文書がヒットしました!)。 さらに、それは、長年にわたって研究者によって自由に公開されてきた膨大な数の関連データコレクション (またはデータセット) によっても実証されています。 これらの各データセットは、人間の手に関連する特定の側面、ほとんどの場合特定の一連の動作に注意を集中させようとするさまざまなセンサーからのデータを提供し、最終的にはそのような複雑なシステムの異なる視点を強調しようとします。 たとえば、RGB カメラや深度カメラ、筋電センサー、モーション トラッキング システムなどのさまざまなデータを提供することで、手のポーズや握りの認識に焦点を当てた多数のデータセットが、制約のない場合であっても、オブジェクトの操作8. ロボット工学についても同様に、多数のデータセットがロボットの把握自動化、ロボット学習、人間とロボットの相互作用、さらには把握データセットを合成する方法に焦点を当てていました9、10、11、12。

残念なことに、日常生活で最も重要で繰り返される行動の 1 つである把握動作に特に焦点を当てたデータセットはほとんどなく、コンピュータ ビジョンによるリーチ中の自動把握に焦点を当てたデータセットはさらに少数でした 6。 残念なことに、現在利用可能なデータセットはどれも、現実の (つまり、非仮想の) オブジェクトの動作を把握するために到達する際の広範な手の運動学および近接視覚データを提供しません。

この研究では、特に把握の到達段階に注意を払い、ロボット ハンドの自律的な把握を研究するために特別に調整されたデータセットを提供することを目的としていました。 具体的には、腕、手、指の到達軌跡推定や、把握動作開始前後の物体特性認識（静的段階と動的段階）に基づく、新たな自律的把握アプローチの探索を可能にするデータ収集を目指しました。 、 それぞれ）。 このような探査のために、私たちはレーダーと飛行時間型近接センサーのセットを選択しました。これらのセンサーは、コンピュータービジョンベースのテクノロジー17でますます頻繁に見られるようになり、電力と計算ニーズの両方の点で実際の臨床応用に大きな可能性を秘めています。 。 さらに、自律的な把握ルーチンの基準となる真実を提供するには、基本的な前腕と手の運動学が不可欠であると考えられました。